TrackletMapper：基于交通参与者轨迹的地面分割与建图
机器人学
2023-01-10 v4 计算机视觉与模式识别
摘要
对道路与街道交叉口等地面基础设施进行鲁棒分类，是沿行人操作的移动机器人一项基本任务。尽管已有许多面向自动驾驶车辆的语义分割数据集，但在此类数据集上训练的模型在部署于行人空间中的机器人时表现出较大的领域鸿沟。人工标注行人视角记录的图像既昂贵又耗时。为克服该挑战，我们提出TrackletMapper，一种无需人工标注数据即可从目标轨迹标注人行道、道路与街道交叉口等地面类型的框架。为此，我们将机器人自轨迹与其他交通参与者的路径投影至自视角相机图像中，为多种地面类型创建稀疏语义标注，并据此训练地面分割模型。我们进一步表明，通过聚合地面表面地图并将其投影至相机图像，该模型可自蒸馏以获得额外性能收益，相较于稀疏轨迹标注生成更密集的训练标注集。我们在面向行人区域移动机器人的新型大规模数据集上定性与定量地验证了我们的发现。代码与数据集将发布于http://trackletmapper.cs.uni-freiburg.de。
引用
@article{arxiv.2209.05247,
title = {TrackletMapper: Ground Surface Segmentation and Mapping from Traffic Participant Trajectories},
author = {Jannik Zürn and Sebastian Weber and Wolfram Burgard},
journal= {arXiv preprint arXiv:2209.05247},
year = {2023}
}
备注
19 pages, 14 figures, CoRL 2022 v4 (updated acknowledgements)